面向海量样本的线性可分支持向量机分组算法
2020-12-23马捍超沈杰鑫徐路强于海
马捍超 沈杰鑫 徐路强 于海



摘 要:传统线性可分支持向量机分组算法面对海量样本进行分组时,存在正确率较低的问题,对此提出一种面向海量样本的线性可分支持向量机分组算法。面向海量样本给定一个样本集,对其样本集进行特征提取,利用分值方法进行样本特征选择,通过线性可分支持向量机进行样本聚类,并建立线性可分支持向量机分组框架,利用该框架实现样本分组。为了验证面向海量样本的线性可分支持向量机分组算法的样本分组正确率,将该算法与传统线性可分支持向量机分组算法进行对比实验,结果证明该算法的样本分组正确率更高,说明本研究所提算法更适用于海量样本的分组。
关键词:海量样本;线性可分;支持向量机;分组算法
中图分类号:TP13
文献标志码:A
文章编号:1007-757X(2020)11-0082-04
Abstract:The traditional linear divisible support vector machine grouping algorithm has the problem of low accuracy when grouping mass samples. A mass sample set is given to be extracted, and the sample feature selection is performed by the score method. The sample clustering is carried out by the linear divisible support vector machine. In order to verify the sample grouping accuracy of the linear divisible support vector machine grouping algorithm for mass samples, the algorithm is supported with the traditional linearity. The results show that the proposed algorithm has more accuracy, which illustrates that the algorithm is more suitable for the mass sample set.
Key words:massive samples;linear separability;support vector machine;grouping algorithm
0 引言
信息技术与计算机技术的高速发展,使互联网上流动的资源与分布的内容呈现出了多元化、海量化的膨胀趋势,数据存储技术与数据收集技术的迅速发展也使各种机构组织能够积累并获取大量的数据。这些数据呈现出使用态、传输态以及静态等多种状态,既有正常可用的多元应用数据,如政府、教育、医学、市场、金融等行业数据及系统日志、安全策略、流量、即时通信、微博、新闻组、电子邮件、新闻等系统内容资源,也有网络经济犯罪、僵尸病毒网络攻击流、恶意软件、个人隐私、欺诈广告、垃圾邮件、色情网站、钓鱼网站、虚假信息等影响国家重大利益、危害社会稳定、误导公众、泄露敏感信息、影响资源以及信息可用性的内容。……
